赵继生
- 作品数：5 被引量：42H指数：4
- 供职机构：华北电力大学更多>>
- 相关领域：自动化与计算机技术电气工程更多>>
- 深度信念网络在故障指示器检测中的应用被引量：3
- 2015年
- 电子产品在生产过程中需进行产品检测,以故障指示器的检测为例,结合深度信念网络(DBN)技术实现了自动检测。深度信念网络由于其具有无监督预训练的优势,将其应用于实际系统,对现场的故障指示器视频图像的动作状态进行了分类实验。实验结果表明:深度信念网络分类算法相比于支持向量机(SVM)分类算法和BP分类算法有明显的优势,正确识别率达到了100%。该算法在产品检验的应用中满足生产测试的要求,且降低了人工测试的劳动强度,缓解了视觉疲劳问题。
- 阳武李倩赵继生高强余萍
- 关键词：故障指示器
- 基于矩阵2-范数池化的卷积神经网络图像识别算法被引量：11
- 2016年
- 卷积神经网络中的池化操作可以实现图像变换的缩放不变性,并且对噪声和杂波有很好的鲁棒性。针对图像识别中池化操作提取局部特征时忽略了隐藏在图像中的能量信息的问题,根据图像的能量与矩阵的奇异值之间的关系,并且考虑到图像信息的主要能量集中于奇异值中数值较大的几个,提出一种矩阵2-范数池化方法。首先将前一卷积层特征图划分为若干个互不重叠的子块图像,然后分别计算子块图像矩阵的奇异值,将最大奇异值作为每个池化区域的统计结果。利用5种不同的池化方法在Cohn-Kanade、Caltech-101、MNIST和CIFAR-10数据集上进行了大量实验,实验结果表明,相比较于其他方法,该方法具有更好地识别效果和稳健性。
- 余萍赵继生
- 关键词：卷积神经网络奇异值
- 基于线性叠加特征和CNNs的图像分类方法被引量：6
- 2015年
- 针对现有卷积神经网络(CNNs)训练时间长的问题,基于CNNs具有很强的空间信息特性,提出一种将图像线性叠加(LS)特征作为卷积神经网络输入的图像分类方法,重点研究了以原始图像特征作为输入和以LS特征作为输入的CNNs输出层的损失函数对权重的偏导数之间的关系,分析了连接权重的更新机理.在MNIST手写字体数据集上进行图像分类实验,试验结果表明,以LS特征作为CNNs输入的学习方法在保证识别率的基础上,可以显著减少模型的训练时间,而且无需复杂的工程技巧,LS特征在图像分类上是可行的.
- 余萍赵继生
- 关键词：卷积神经网络反向传播算法
- 基于卷积神经网络的变电站监控图像识别方法研究
- 随着电力系统生产自动化水平的不断提高，越来越多的变电站实现了无人值守运行模式，采用数字图像处理技术对监控图像进行分析与识别，大大提高了无人值守变电站运行的安全性和可靠性。为了实现对变电站监控图像智能识别的任务，采用深度学...
- 赵继生
- 关键词：变电站监控视频图像识别卷积神经网络
- 基于非线性修正函数的卷积神经网络图像识别研究被引量：17
- 2015年
- 为了解决深度学习中使用线性修正函数Re LUs对于模型的表达能力欠缺,而柔性光滑函数Softplus无稀疏表达能力的问题。基于Re LUs和Softplus函数各自的优点,将Re LUs函数的稀疏表达能力和Softplus函数的光滑特性结合起来,提出一种使用非线性修正函数作为神经元激励的方法。分析了不同激活函数的性能,并且用卷积神经网络在MNIST和CIFAR-10标准数据库上进行图像分类识别实验。实验结果表明,使用非线性修正激活函数,不仅可以加快网络收敛速度,也可以提高识别准确率;同时还不依赖于池化方法的选择。
- 余萍赵继生张洁
- 关键词：卷积神经网络模式识别
